[发明专利]基于异构特征融合的缺血性脑卒中发病风险预测模型

说明书

本发明针对缺血性脑卒中发病风险预测任务提出了使用颈动脉CTA影像进行预测的三维影像特征提取网络模型，以及使用电子病历、病史信息进行预测的机器学习模型。设计了融合以上模型使用异构数据联合预测的融合预测网络模型，如图1所示，最后通过多组对比实验对机器学习模型、数据重采样方法以及两个子模型在融合预测模型中权重占比的选择进行了探究，验证了所提模型在缺血性脑卒中发病风险预测任务中的有效性。

技术领域

本发明提出基于异构特征融合的缺血性脑卒中发病风险预测模型，属于图像数据处理^(G06T)。

背景技术

脑卒中是一种发病率、致残率和死亡率都很高的疾病，已成为全球公共卫生的主要威胁之一。“脑卒中”又被称为“中风”，是一种由于头颈部血管发生阻塞导致血液无法正常流入大脑或者脑部的血管突然发生破裂而导致的疾病。脑卒中疾病具有高死亡率、高复发率、高致残率的特点，对人们的生命财产安全和身体健康造成了非常严重的危害。近年来，我国脑卒中疾病的发病率以及死亡率不断升高，目前脑卒中已经成为我国致死率和致残率最高的慢性疾病。随着社会城市化和老龄化进程的加速，不健康生活方式逐渐流行，中国脑卒中疾病有呈现爆发增长的态势，并有年轻化、地域和性别差异明显以及低收入群体快速增长的趋势，脑卒中疾病防治面临巨大挑战。

脑卒中按照病因可分为两大类：缺血性脑卒中，又称脑梗死；出血性脑卒中，又称脑出血。而高达88％的脑卒中是缺血性脑卒中。颈动脉区域的粥样硬化斑块和颈动脉狭窄是引发缺血性脑卒中病症的常见原因，早期发现动脉粥样硬化和颈动脉狭窄是缺血性脑卒中预防和发病风险评估的关键。

目前，在临床上用于颈动脉疾病诊断的成像技术的主要有彩色多普勒超声技术、电子计算机断层扫描血管造影技术(CTA)、数字减影血管造影技术(DSA)和磁共振血管造影技术(MRA)。

数字减影血管造影技术在血管中注入造影剂之后进行成像，经过计算机图像处理之后可以获得去除肌肉、骨骼和其他软组织的减影图像。由于没有了其他组织重叠干扰，血管和其病变或狭窄情况可以更加清楚的得到展示，因此数字减影血管造影技术已代替一般血管造影成为颈动脉疾病诊断的金标准。但由于数字减影血管造影需要将导管插入动脉，属于有创检查，不适用于本文缺血性脑卒中发病风险预测任务所应用的早期筛查阶段。而彩色多普勒超声技术和和磁共振血管造影技术等其他无创血管成像方法存在着低分辨率、低信噪比、存在噪声或伪影的问题，且超声技术获取的二维图像无法完整涵盖颈动脉三维结构信息。

CT血管造影技术(CT Angiography，CTA)是一种使用CT技术的介入检测方法，在医学上又被称为非创伤性血管成像技术。CTA血管成像对于血管壁的改变、血管疾病以及显示血管管腔与病变区域情况有着重要价值。三维CTA影像能够显示和测量颈动脉的狭窄程度和颈动脉斑块情况，相较于金标准DSA技术，CTA具有对人体创伤小、易于操作、检查费用低的特点，适合早期筛查，并且三维影像还能够从多角度、全方位了解血管信息。CTA技术已在颈动脉相关疾病的诊断中得到了广泛的应用。

传统的缺血性脑卒中诊断方法主要依赖于医师的经验丰富程度，具有许多先天的限制，不仅速度缓慢，效率低下，而且不同医师之间的评测结果往往并不稳定，评测方法的鲁棒性不强，这给缺血性脑卒中诊断这一课题带来了效率、准确度方面的挑战。

随着机器学习技术和计算机算力的发展，部分研究者在脑卒中风险的预测任务中应用了机器学习和深度学习方法，并取得了较好的效果。